文献类型：期刊文章

作　　者：魏东[1] 张明廉[1] 蒋志坚[2] 孙明[3]

机构地区：[1]北京航空航天大学自动化科学与电气工程学院,北京100081 [2]哈尔滨工业大学电气工程及自动化学院,哈尔滨150001 [3]北京建筑工程学院电气工程与自动化系,北京100044

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金资助项目(编号:60074021)

年　　份：2005

卷　　号：41

期　　号：11

起止页码：5-8

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：研究了基于贝叶斯推理的多层前向神经网络训练算法,以提高网络的泛化性能。在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的。训练过程中使用显式的概率分布假设对模型进行分析和推断,根据融入先验分布的假设和依据,获取网络参数和正则化参数的后验条件概率,并基于后验分布的贝叶斯推理得出最优化参数。利用上述算法训练前向网络,对一个微型锅炉对象进行了模型辨识,通过测试,证明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能。

关 键 词：系统辨识 非线性 神经网络 泛化

分 类 号：TP273] .5]